BTS2 Estimation 2011-2012

1 Présentation du problème
Exemple 1
Un fabricant de pétards pour feux d’artifice désire connaître la proportion de pétards défectueux dans la production
hebdomadaire qui est de 10 000 pétards. Doit-il faire griller ses 10 000 pétards pour connaître ce nombre ?
Exemple 2
Une laiterie produit 1 million de yaourts par semaine. A la suite d’une rupture de la chaîne du froid dans la fabrication, il se
produit une crainte de prolifération de la bactérie listéria monocytogene dans cette production.
On estime que jusqu’à 5 % de la population peut être porteuse de listéria monocytogene dans les intestins, sans ressentir
d’effets de maladie.
Par mesure de précaution, la laiterie est prête à détruire cette production si la proportion de yaourts infectés dépasse 1 %.
Doit-on analyser un à un tout les yaourts pour détecter cette présence ? (ce qui reviendrait encore plus cher qu’une
destruction pure et simple).
En décidant de prélever un échantillon de 100 yaourts pour lequel on détermine la proportion de yaourts infectés ; que
nous indique ce résultat ?
Par exemple, que dire si la proportion de yaourts infectés est égale à de 2% ?
1. Aurait-on obtenu le même pourcentage en prélevant un autre échantillon ?
2. La taille 100 de l’échantillon est-elle suffisante au vu de la taille de la production ?
3. Quelle confiance accorder au fait que cette analyse ait conduit à une proportion de 2 % ?
4. Aurait-on gagné en fiabilité si l’on avait analysé 500, 1 000, 10 000 yaourts ?

2 Analyse d’un exemple

Pour bien comprendre le phénomène analysons, en détail, un exemple avec une population réduite à 5 éléments et un
échantillon de taille 2 : Ω = {2; 3; 6; 8; 11}
1. Calculons la moyenne m et l’écart type σ de cette population :

2 + 3 + 6 + 8 + 11 (2 − 6)2 + (3 − 6)2 + (6 − 6)2 + (8 − 6)2 + (11 − 6)2

m= =6 et σ2 = = 10, 8
5 5

2. Comment sont réparties les moyennes des échantillons de taille 2 ?

Calculons ces moyennes , puis calculons la moyenne et l’écart type de ces moyennes.
Echantillons de taille 2 Moyennes des échantillons
(2 ;2) (2 ;3) (2 ;6) (2 ;8) (2 ;11) 2 2,5 4 5 6,5
(3 ;2) (3 ;3) (3 ;6) (3 ;8) (3 ;11) 2,5 3 4,5 5,5 7
(6 ;2) (6 ;3) (6 ;6) (6 ;8) (6 ;11) 4 4,5 6 7 8,5
(8 ;2) (8 ;3) (8 ;6) (8 ;8) (8 ;11) 5 5,5 7 8 9,5
(11 ;2) (11 ;3) (11 ;6) (11 ;8) (11 ;11) 6,5 7 8,5 9,5 11

2 σ2
Caractéristiques : m0 = 6 et σ 0 = 5, 4 =
2

Propriété 1
Etant donné une population de taille N sur laquelle on étudie un caractère de moyenne m et d’écart type σ.
Lorsque l’on prélève des échantillons de taille n assez grand ( n ≥ 30 ), la loi d’échantillonnage des moyennes peut être
σ
approchée par la loi N (m; √ )
n

Propriété 2
Etant donné une population de taille N sur laquelle on étudie un caractère de fréquence p.
r  de taille n assez grand ( n ≥ 30 ), la loi d’échantillonnage des fréquences peut être
Lorsque l’on prélève deséchantillons
pq
approchée par la loi N p;
n

1 Bernard GAULT Lycée Blaise Pascal Segré

BTS2 Estimation 2011-2012

3 Applications
Exercice 1
Supposons que les poids de 3000 étudiants d’une université sont distribués normalement avec une moyenne de 68 kg et un
écart-type de 3 kg. On tire 80 échantillons de 25 étudiants chacun.
1. Quelles sont les valeurs espérées de la moyenne et de l’écart-type de la distribution d’échantillonnage résultante si le
tirage des échantillons se fait avec remise ?
2. Dans combien d’échantillon peut-on s’attendre à trouver une moyenne comprise entre 66,8 et 68,3 kg ?
3. Dans combien d’échantillon peut-on s’attendre à trouver une moyenne inférieure à 66,4 kg ?

Solution :
1. La distribution d’échantillonnage des moyennes des échantillons de taille 25 suit la loi normale de moyenne m0 = 68
3
et d’écart type σ 0 = √ = 0, 6
25
2. Cherchons la probabilité d’avoir un échantillon dont la moyenne est entre 66,8 et 68,3 kg :
66, 8 − 68 X − 68 68, 3 − 68
66, 8 ≤ X ≤ 68, 6 ⇔ ≤ ≤ ⇔ −2 ≤ Z ≤ 0, 5
0, 6 0, 6 0, 6
P (66, 8 ≤ X ≤ 68, 6) = P (−2 ≤ Z ≤ 0, 5) = π(0, 5) + π(2) − 1 = 0, 6915 + 0, 9772 − 1 = 0, 6687.
Comme nous tirons 80 échantillons, on peut s’attendre à trouver une moyenne comprise entre 66,8 et 68,3 kg
dans 80 × 0, 6687 ' 53 échantillons.

3. Cherchons la probabilité d’avoir un échantillon dont la moyenne est inférieure à 66,4 kg :

X − 68 66, 4 − 68
X ≤ 66, 4 ⇔ ≤ ⇔ Z ≤ 2, 67
0, 6 0, 6
P (X ≤ 66, 4) = P (Z ≤ 2, 67) = P (Z ≥ 2, 67) = 1π(2, 67 = 1 − 0, 9962 = 00038.
Comme nous tirons 80 échantillons, on peut s’attendre à trouver une moyenne inférieure à 66,4 kg
dans 80 × 0, 0, 0038 ' 0 échantillon.

Exercice 2
Une usine produit des billes de roulements. Ces billes ont un poids moyen de 5,02 g et un écart-type de 0,30 g. Quelle est la
probabilité pour qu’un échantillon aléatoire de 100 billes choisies au hasard présente un poids total :
1. compris entre 496 et 500 g ?
2. supérieur à 510 g ?

Solution :
1. Le poids total sera compris entre 496 et 500 g si le poids moyen est compris entre 4.96 et 5 g. La distribution d’échantillonnage
0.3
des moyennes des échantillons de taille 100 suit la loi normale de moyenne m0 = 5.02 et d’écart type σ 0 = √ = 0.03.
100
4.96 − 5.02 X − 5.02 5 − 5.02
4.96 ≤ X ≤ 5 ⇔ ≤ ≤ ⇔ −2 ≤ Z ≤ 0, 67
0.03 0.03 0.03
P (4.96 ≤ X ≤ 5) = P (−2 ≤ Z ≤ −0, 67) = P (0, 67 ≤ Z ≤ 2) = π(2) + π(0, 67) = 0, 9772 − 0, 7486 = 0, 2286.
2. Le poids total sera supérieur à 510 g si le poids moyen est supérieur à 5.1 .
X − 5.02 5.1 − 5.02
X ≥ 5.1 ⇔ ≥ ⇔ Z ≥ 2, 67
0.03 0.03
P (X ≥ 5.1) = P (Z ≥ 2, 67) = 1 − +π(2, 67) = 1 − 0, 9962 = 0, 0038.

Exercice 3
La machine à embouteiller a été mal réglée, une bouteille sur deux, en moyenne, ne comporte pas de capsule.
Quelle est la probabilité pour que, dans une série de 120 bouteilles, la proportion de bouteilles sans capsule soit :
1. comprise entre 40 et 60% ?
2. de 5/8 ou plus ?

Solution : Une bouteille sur deux, en moyenne, ne comporte pas de capsule donc la fréquence de bouteilles sans capsule est p = 0, 5.
La loi d’échantillonnage
r des fréquences des échantillons de taille 120 suit une loi normale de moyenne 0.5, et
0.5(1 − 0.5)
d’écart type σ 0 = = 0.0456.
120
0.4 − 0.5 X − 0.5 0.6 − 0.5
1. 0.4 ≤ X ≤ 0.6 ⇔ ≤ ≤ ⇔ −2.19 ≤ Z ≤ 2.19
0.0456 0.0456 0.0456
P (0.4 ≤ X ≤ 0.6) = P (−2.19 ≤ Z ≤ 2.19) = 2π(2.19) − 1 = 2 × 0, 9857 − 1 = 0, 9714.

5 X − 0.5 0.625 − 0.5

2. = 0.625, donc X ≥ 0.625 ⇔ ≥ ⇔ Z ≥ 2.74
8 0.0456 0.0456
P (X ≥ 0.6) = P (Z ≥ 2.74) = 1 − π(2.74) = 1 − 0, 996 = 0, 004.

2 Bernard GAULT Lycée Blaise Pascal Segré

BTS2 Estimation 2011-2012

Exercice 4
La machine à embouteiller a été mal réglée, une bouteille sur deux, en moyenne, ne comporte pas de capsule.
Un container contient 500 lots de 120 bouteilles.
Combien peut-on espérer de lots contenant un nombre de bouteilles sans capsule :
1. comprise entre 40 et 60% ?
2. de 5/8 ou plus

Solution :
1. D’après l’exercice précédent, parmi les lots de 120 bouteilles, on peut s’attendre à en avoir 97,14 % avec un pourcentage
compris entre 40 et 60% de bouteilles sans capsule ; donc parmi 500 lots de 120 bouteilles, on peut s’attendre à en avoir environ
500 × 0, 9714 = 486 lots avec un pourcentage compris entre 40 et 60% de bouteilles sans capsule.
2. De même on peut s’attendre à en avoir environ 500 × 0, 004 = 2 lots avec un pourcentage de 5/8 ou plus de bouteilles sans
capsule.

Exercice 5
Un candidat aux élections a recueilli 46% des votes.
1. Quelle est la probabilité pour qu’un groupe de 200 personnes choisies au hasard lui ait donné une majorité ?
2. Quelle est la probabilité pour qu’un groupe de 1000 personnes choisies au hasard lui ait donné une majorité ?

Solution :
1. La loi d’échantillonnage
r des fréquences des échantillons de taille 200 suit une loi normale de moyenne 0.46 et
0.46(1 − 0.46)
d’écart type σ 0 = = 0.0352.
200
Un groupe lui a donné la majorité signifie que X > 0.5.
X − 0.46 0.5 − 0.46
X ≥ 0.5 ⇔ ≥ ⇔ Z ≥ 1.14 donc P (X ≥ 0.5) = P (Z ≥ 1.14) = 1 − π(1.14) = 1 − 0, 8729 = 0, 1271.
0.0352 0.0352
2. La loi d’échantillonnage
r des fréquences des échantillons de taille 1000 suit une loi normale de moyenne 0.46 et
0.46(1 − 0.46)
d’écart type σ 0 = = 0.0158.
1000
Un groupe lui a donné la majorité signifie que X > 0.5.
X − 0.46 0.5 − 0.46
X ≥ 0.5 ⇔ ≥ ⇔ Z ≥ 2.53 donc P (X ≥ 0.5) = P (Z ≥ 2.53) = 1 − π(2.53) = 1 − 0, 9943 = 0, 0057.
0.0158 0.0158

Exercice 6
les lampes électriques fabriquées par un industriel A ont une durée de vie moyenne de 1400 h avec un écart-type de 200h,
tandis que celles fabriquées par un industriel B ont une durée de vie moyenne de 1200h avec un écart-type de 100h.
Si l’on teste des échantillons aléatoires de 125 lampes de chaque marque, quelle est la probabilité pour que les lampes A
aient une durée moyenne de vie :

1. au moins supérieure de 160 h aux lampes B ? 2. au moins supérieure de 250 h aux lampes B ?

Solution :
σA
L’échantillonnage des moyennes de l’échantillon A donne une variable aléatoire de moyenne m0A = 1400 et d’écart type σA
0
= √ .
125
σ B
L’échantillonnage des moyennes de l’échantillon B donne une variable aléatoire de moyenne m0B = 1200 et d’écart type σB
0
= √ .
125
0 0
La différence D des moyennes des échantillons suit donc une loi de moyenne mD = rmA − mB = 200
0 2 0 2 1002 2002
et de variance V(A-B) = V(A) +V(B) = σA + σB ( !) donc d’écart type σD = + = 20.
125 125
1. On cherche (P (A − B > 160) = P (Z > −2) = P (Z < 2) = π(2) = 0, 9772
2. On cherche (P (A − B > 250) = P (Z > 2, 5) = 1 − P (Z < 2, 5) = 1 − π(2, 5) = 1 − 0, 9938 = 0, 0062

Exercice 7
Les billes de roulement d’une marque donnée pèsent en moyenne 0,50 g avec un écart-type de 0,02 g. Quelle est la probabilité
pour que les poids de deux lots de 1000 billes chacun différent de plus de 2 g ?

Solution :
La différence D des moyennes
s des échantillons suit donc une loi de moyenne mD = m0A − m0B = 0, 50 − 0, 50 = 0
r
0 2 2
σA σ0 0, 022 0, 022
et d’écart type σD = + B = + = 0, 000895.
n n 1000 1000
Une différence de 2 g sur les lots est égale à une différence de 0,002 g sur les moyennes. elle peut se produire dans les deux cas
A − B > 0, 002 et A − B < 0, 002.
A − B > 0, 002 ⇔ Z > 2, 23 et A − B < 0, 002 ⇔ Z < −2.23.
P (Z > 2, 23 ou Z < −2.23) = 1 − P (−2, 23 < Z < 2, 23) = 1 − (2π(2, 23) − 1) = 2 − 2.π(2, 23) = 2 − 2 × 0, 9871 = 0, 0258.

3 Bernard GAULT Lycée Blaise Pascal Segré

BTS2 Estimation 2011-2012

Exercice 8
Une marque donnée de lampes électriques a une durée de vie moyenne de 1500 heures avec un écart-type de 150 heures. Trois
lampes sont connectées de manière telle que si l’une d’entre elles claque, une autre s’allume. En supposant que les durées de
vie sont normalement distribuées, quelle est la probabilité pour que l’éclairage dure :
1. au moins 5000 heures ?
2. au plus 4200 heures ?

Solution :
Il s’agit d’additionner 3 variables aléatoires indépendantes et de même loi :
mS = mA + mB + mp C = 3 × 1500 = 4500 p
et d’écart type σS = σA 2 + σB 2 + σC 2 = 3 × 1502 = 260.
1. P (S > 5000) = P (Z > 1, 92) = 1 − P (Z < 1, 92) = 1 −p i(1, 92) = 1 − 0, 9726 = 0, 0274
2. P (S < 4200) = P (Z < −1, 15) = 1 − P (Z < 1, 154) = 1 −p i(1, 15) = 1 − 0, 8749 = 0, 1251

4 Bernard GAULT Lycée Blaise Pascal Segré

BTS2 Estimation 2011-2012

4 Intervalle de confiance
Dans les parties précédentes, nous avons estimé une valeur de la moyenne ou de la fréquence mais nous savons que cette
valeur n’est pas exacte et qu’elle peut fluctuer.
Dans cette partie nous allons déterminer un intervalle de fluctuation de la moyenne de la population (appelé intervalle de
confiance), avec un risque d’erreur α décidé à l’avance.

4.1 Intervalle de confiance d’une moyenne

Nous étudions un caractère d’une population dont la moyenne est m et l’écart type σ.  
σ
La variable aléatoire X qui, à chaque échantillon de taille n associe sa moyenne, suit la loi N m; √ .
n
X −m
La variable aléatoire centrée réduite Z = σ suit la loi N (0; 1).
√
n
Soit α la probabilité, fixée à l’avance, pour que Z n’appartienne pas à l’intervalle [−t; t], nous pouvons écrire :

 
 
X −m σ σ
P (−t < Z < t) = 1 − α ⇐⇒ P −t < < t = 1 − α ⇐⇒ P X − t√ < m < X + t√ = 1 − α.
 
σ n n
√
n

Ce dernier intervalle s’appelle l’intervalle de confiance au seuil de risque de α ou au coefficient de confiance de 1 − α.

Remarque : Les valeurs les plus coutantes du niveau de confiance 1 − α et de t correspondantes sont données dans le tableau
ci-dessous :

α 99 % 98 % 95 % 90 %
t 2,58 2,33 1,96 1,645

α 2Π(t) − 1 α
2 2
t −t
Exercice 1
Nous étudions un caractère d’une population dont la moyenne m est inconnue et l’écart type σ = 0, 31.
On prend un échantillon de taille n = 100, sa moyenne est me = 5, 2.
Trouver un intervalle contenant m avec une confiance de 95 %.
Exercice 2
D’un contrôle journalier, effectué à la sortie d’un chaîne de fabrication de billes en acier sur un échantillon de 900 billes, il
ressort que leur poids suit une loi normale de moyenne me = 62, 33 mg et d’écart type σe = 6, 54 mg.
1. Estimer l’écart type théorique de la production journalière.
2. Estimer le poids moyen de la production journalière par un intervalle de confiance symétrique au niveau de 95 %.
Exercice 3
On fabrique des pièces en série. leur diamètre est une variable aléatoire normale de moyenne m = 32 mm et d’écart type
σ = 0, 5.
Pour contrôler la fabrication, on prélève, à intervalles réguliers 20 pièces.
1. Entre quelles limites doit-être situé la moyenne me de cet échantillon pour que la machine puisse être considérée comme
bien réglée au seuil de 99 % ?
2. Les pièces sont considérées comme utilisables si leur diamètre est compris dans l’intervalle [31 ; 33]. Quelle est la
probabilité pour qu’une pièce soit utilisable ?

5 Bernard GAULT Lycée Blaise Pascal Segré

BTS2 Estimation 2011-2012

4.2 Intervalle de confiance d’une fréquence

Nous étudions un caractère d’une population dont la fréquence est p.  r 
pq
La variable aléatoire X qui, à chaque échantillon de taille n associe sa fréquence, suit la loi N p; .
n
X −p
La variable aléatoire centrée réduite Z = r suit la loi N (0; 1).
pq
n
Soit α la probabilité, fixée à l’avance, pour que Z n’appartienne pas à l’intervalle [−t; t], nous pouvons écrire :

 
 r r 
 X −p  pq pq
P (−t < Z < t) = 1 − α ⇐⇒ P 
−t < r pq < t = 1 − α ⇐⇒ P
 X −t <p<X +t = 1 − α.
n n
n
r
pq
Remarque : Comme la valeur de p est inconnue, on ne connaît donc pas l’écart type . On le remplace alors par son
r n
fe (1 − fe )
estimation ponctuelle
n−1
Exercice 1
Soit p le pourcentage des oeufs extra frais dans la livraison hebdomadaire d’un supermarché. Dans un échantillon de 100
oeufs on a constaté que 76 d’entre eux possédaient cette qualité. En déduire un intervalle de confiance de p, de centre 76 avec
un coefficient de 98 %.
Exercice 2
Un sondage est réalisé sur les intentions de vote des électeurs ayant le choix entre deux candidats A et B. Ce sondage réalisé
sur un échantillon représentatif de 1000 personnes révèle que 48,5 % des électeurs vont voter pour A.
1. Déterminer au seuil de risque de 5 %, une estimation par intervalle de confiance des suffrages obtenus par les deux
candidats A et B.
2. Que pouvez-vous en conclure sur le résultat de cette élection ?
Exercice 3
Une usine fabrique chaque semaine 10 000 bouteilles en plastique destinées à contenir de l’eau de source.
Le service qualité en prélève 100 par jour pour en contrôler la qualité. En fin de semaine, sur 500 bouteilles contrôlées, 65
présentent un défaut.
On note p la fréquence inconnue de bouteilles ayant un défaut sur la production de la semaine et fe la fréquence observée
dans l’échantillon.
1. Déterminer un intervalle de confiance de p au seuil de confiance de 98 %.
2. En déduire un encadrement du nombre probable de bouteilles défectueuses dans la production de la semaine.

6 Bernard GAULT Lycée Blaise Pascal Segré